★ 이 책에서 다루는 내용 ★

■ 데이터에 대해 다양한 질문을 하기 위해 여러 가지 머신 러닝 모델을 사용하는 방법
■ 텐서플로 1.x를 사용한 심층 신경망 제작 방법
■ 자신의 알고리즘을 최적화하고 장점을 강화하기 위해 파이썬 코드를 깔끔하고 우아하게 작성하는 방법
■ 자신의 머신 러닝 모델을 웹 애플리케이션에 심어 접근성을 높이는 방법
■ AWS에서 여러 GPU를 사용해 더 빠르게 학습시키는 방법

★ 이 책의 대상 독자 ★

실생활 애플리케이션에 쓰일 수 있을 만큼 멋지고 실용적인 머신 러닝 시스템을 만들고자 한다면 이 책이 이상적이다. 머신 러닝 개념, 파이썬 프로그래밍, IDE와 커맨드라인에 익숙한 상태여야 한다. 업무에 활용하기 위해 머신 러닝과 텐서플로에 대해 배워야 하는 프로그래머나 과학자 혹은 엔지니어에게도 유용한 책이다.

★ 이 책의 구성 ★

1장, '텐서플로 시작'에서는 우분투, 맥OS, 윈도우에서 텐서플로를 설치하고 시작하는 방법을 알아본다.
2장, '첫 번째 분류기'에서는 텐서플로를 사용하는 첫 번째 예로 손글씨 인식기를 만들어 본다.
3장, '텐서플로 도구상자'에서는 더 효과적이고 쉽게 텐서플로를 사용할 수 있게 하는 텐서플로의 도구들을 간략하게 알아본다.
4장, '고양이와 개'에서는 텐서플로에서 합성곱 신경망을 사용해 이미지 분류기를 만드는 방법을 알아본다.
5장, '순열에서 순열 모델로'에서는 순열-순열 모델을 사용해 영어에서 프랑스어로 번역하는 번역기를 만들어본다.
6장, '의미 찾기'에서는 문맥 분석, 실체 추출, 키워드 추출, 단어 간 연관 관계 추출을 사용해 텍스트 내의 의미를 찾는 방법을 알아본다.
7장, '머신 러닝으로 돈 벌기'에서는 금융 세상이라는 데이터양이 어마어마한 세계로 뛰어든다. 금융 문제를 해결하기 위해 시계열 데이터를 사용하는 방법을 알아본다.
8장, '의학 진단 문제'에서는 기업에서 다룰 만한 정도로 큰 문제인 의학 진단 문제를 심층 신경망을 사용해 해결하는 여러 가지 방법을 알아본다.
9장, '순항 제어: 자동화'에서는 훈련에서부터 모델을 서비스하는 데 이르기까지 운영계 시스템을 만드는 데 필요한 사항들을 알아본다. 사용자 피드백을 받아 매일매일 자동으로 훈련하는 과정도 시스템에 구현한다.
10장, '가동 준비와 성공'에서는 아마존 웹 서비스의 세상을 안내한다. 또한 아마존 서버에서 여러 개의 GPU를 사용한 시스템을 사용했을 때의 장점도 알아본다.
11장, '더 고려할 사항: 21가지 문제'에서는 이 책을 읽고 난 후 텐서플로와 딥러닝으로 도전해 볼 만한 21가지 실세상 문제를 소개한다.
부록 A, '고급 설치'에서는 GPU에 대해 알아본 후 단계별로 CUDA를 설정하고 GPU 기반 텐서플로를 설치하는 방법을 알아본다.

★ 지은이의 말 ★

머신 러닝은 현대 사회에 혁명을 불러일으키고 있다. 머신 러닝 알고리즘, 특히 딥러닝은 모바일 기기에서부터 클라우드 기반 서비스에 이르기까지 수많은 곳에서 세계적으로 널리 사용되고 있다. 텐서플로는 선도적인 오픈소스 소프트웨어 라이브러리 중 하나로, 다양한 애플리케이션을 위한 머신 러닝 시스템을 만들고, 훈련시키고 구축하는 작업을 돕는다. 이 책을 통해 텐서플로의 최정수를 느끼고, 실세계에 쓰일 수 있는 머신 러닝 시스템을 만들 수 있길 바란다.
이 책을 모두 읽은 뒤에는 텐서플로에 대해 깊게 이해하고, 자신의 애플리케이션에 머신 러닝 기법을 적용할 수 있을 것이다.

★ 옮긴이의 말 ★

'입력 계층 뒤에 은닉 계층, 은닉 계층 뒤에 출력 계층으로 이뤄지는 간단한 인공 신경망.'
그게 2000년대 초반 제가 처음 만든 신경망의 모습이었습니다. 학부생이 교수님 하시는 말씀을 얼마나 알아들었겠습니까. 그저 “이게 입력돼서 저기에 들어가면 여하간에 문제 공간을 탐색해서 이렇게, 저렇게 움직이다 보면 짜잔 답을 내놓습니다.”라고 하시면 “아아 그렇구나”하고 고개를 끄덕인 다음에 “그래서 코딩은 어떻게 해야 하는 거지?”라고 생각할 뿐이었습니다. 사실 당시에는 인공 신경망보다 유전 알고리즘의 인기가 좋아서 복잡한 문제를 어떻게 풀어야 할지 모르겠다 싶으면 “유전 알고리즘을 적용해볼까”하는 생각이 들 때였습니다. 지금은 크게 달라졌지만요.

그러면 정말로 어떤 문제에든 딥러닝을 적용하면 해결될까요? 그럴 리가 없습니다. 먼저 자신이 풀려고 하는 문제의 특성을 알고, 그에 맞는 데이터를 준비해야 하며, 데이터를 어떻게 표현할 것이고, 은닉 계층은 얼마나 둘 것이며, 이 데이터에는 합성곱을 쓰는 게 좋은지, 학습률은 어떻게 줄여나갈 건지, 신경은 어떤 식으로 활성화시킬 건지, 학습과 검증 데이터는 어떻게 분리할 것이고, 얼마나 많이 반복해서 학습시킬 건지, 학습시킬 머신은 어디서 구할 건지, GPU 카드가 꼭 있어야 하는지 등등을 모두 고민해야 합니다.

하지만 구글이 내놓은 텐서플로를 활용하면 이런 고민 한 구절구절마다 시간 들여 구현할 게 거의 없다는 게 매력적입니다. 고민이야 해야 하는 거지만, 딥러닝을 구현하는 데 온갖 시간을 다 써서 도저히 다른 버전을 만들 생각도 안 드는 일은 없게 된 것입니다. 오히려 너무 간단하게 선택할 수 있는 게 많아서 적당한 걸 찾지 못하지는 않을지 걱정스러울 정도입니다. 제가 처음 만들었던 인공 신경망을 다시 생각해보면 참으로 배부른 소리고, 그만큼 저변이 넓어진다는 면에서 좋은 이야기입니다.

이 책을 처음 받아봤을 때로부터 지금 이 글을 쓰는 때까지 벌써 텐서플로의 마이너 버전이 세 번도 넘게 바뀌었습니다(맙소사 지금 찾아보니 텐서플로 1.9가 새로 나왔군요!). 한국어판의 코드는 제가 텐서플로 v1.8(2018년 4월 28일 릴리즈)로 업데이트했습니다만, 그 후로도 텐서플로는 계속 바뀌고 있습니다. 특히 텐서플로는 버전 간 하위호환성을 유지하지 않을 때가 있어 책 내의 코드 중 일부를 수정했습니다만, 여러분이 실행하실 때에도 잘될지는 장담하기 어렵습니다. 빠르게 확장되고 수정되는 것이 장점이라고 너그러이 생각하시고 코드를 들여다보고 수정하면서 코드를 깊이 있게 이해해보시길 바랍니다. 이 책을 읽어주실 독자 여러분들께 감사드립니다.